英特尔2026转型录：从芯片供应商到AI系统共同设计者

【科技纵览】当人形机器人在真实的半程马拉松赛道上与人类选手并肩奔跑，并且最终以超越人类世界纪录的50分26秒完赛，这已经不是科幻电影中的场景了。而在一年前的同样比赛中，我们还在嘲笑机器人跑步像“醉汉”，短短一年时间机器人进步速度之快，令人咋舌。其背后所展现的技术突破，远比比赛本身更具深远意义。尤其值得关注的是，2026北京人形机器人半程马拉松比赛，参赛队伍总数超过100支，近四成队伍搭载自主导航技术，智能化水平显著提升，这更是5G-A（5G-Advanced）网络技术在高速移动、高并发、高可靠场景下，对具身智能产业提供支撑的一次关键性验证。

视线转回硅谷与上海。今年9月，在英特尔中国区大会现场，头部云厂商的架构师们并未围着至强6+展台讨论传统的主频或核数，而是聚焦于一个全新命题：一颗CPU究竟能同时驾驭多少个Agent协同工作？这种场景在去年的算力语境中难以想象，彼时GPU是绝对主角，CPU仅被视为采购清单里的必要配件。然而，2026年的剧本发生了反转——服务器CPU陷入多年未见的短缺。英特尔CEO陈立武在9月公开坦言：“CPU需求极高，我们仅能满足50%的客户，许多CEO致电询问，我只能致歉产能不足。”这一供需失衡的背后，是AI应用从训练阶段跨越至Agent执行阶段。Agent任务涉及规划、工具调用、沙箱开启、数据库读取及反复验证，这些复杂逻辑无法单靠GPU完成，必须依赖CPU承载。供需天平的倾斜，连同叙事话语权的转移，随之发生。

在此背景下，英特尔正重新确立自身定位。既然每个AI系统均需CPU、内存与互连支持，英特尔便试图将CPU打造为系统内的“指挥官”，并与行业用户共同设计整套AI计算体系。这一战略转变集中体现在2026年的一系列动作中。无论是在Computex还是苏州中国区大会上的演讲，从为英伟达定制NVLink版至强处理器，到与阿里云共建服务器及云端浏览器，核心逻辑均指向CPU深度适配AI。尽管这些合作的具体收益尚待观察，但一家老牌芯片巨头正在Agent时代打一场翻身仗的事实已无争议，且其打法迥异于业界预期。

英特尔2026年的核心变革并非某款单一产品的发布，而是合作模式的质变——从过去的“CPU+简单适配”厂商，转变为AI计算系统级的共同设计者。最底层的变动发生在制造端。今年1月CES上，英特尔发布Core Ultra Series 3，这是首款基于Intel 18A工艺的量产芯片，标志着跳票多年的18A节点正式进入商业供应，英特尔重新掌握了先进制程自主权。同期，英特尔在加速器路线上主动收缩。原定承接Gaudi的高端AI加速器Falcon Shores在2025年初被取消商用，仅保留为内部测试芯片；Gaudi产品线在Gaudi 3之后实质收缩，不再延续独立的ASIC训练加速器路线。新的战略方向毫无意外地押注AI领域。今年6月Computex上，英特尔CEO陈立武将计算划分为PC、边缘与物理AI、传统数据中心及新兴“智算中心”四个域，并引用IDC数据宣称“到2030年超80%的服务器仍将基于x86”，这正是英特尔的主场。虽然这一判断两年前便已提出，但此次预期转化为实在营收。英特尔2026第二季度财报显示，公司营收达161亿美元，同比增长25%，大幅超出指引。主要贡献来自数据中心及AI业务推动，该板块季度收入62.6亿美元，同比激增59%。随着营收增长，资本市场开始重新审视英特尔，年内市值涨幅一度超过两倍。

究竟是什么在“一夜之间”改变了英特尔？是时代变迁与战略选择的结果。英特尔不再将有限的先进制程和工程资源投入与英伟达正面对抗的训练级加速器，而是将重心转向推理经济性以及CPU在系统中的角色——让先进节点优先服务那些“每个AI系统都需要”的确定性部件。具体而言，英特尔通过加深与AI产业链的合作，不断重塑过往定位。在全球市场，今年1月财报电话会上，陈立武证实英特尔正与英伟达合作开发深度集成NVLink技术的定制至强处理器；3月GTC大会上，Xeon 6已作为DGX Rubin NVL8系统的x86主机CPU运行。曾经的“死对头”英伟达，如今变为互联生态里的共建者。另一案例是与谷歌的合作。4月双方宣布联合开发定制基础设施处理单元（IPU），这是一种专门卸载网络、存储和安全等基础设施任务的芯片。IPU将这些工作从主CPU接管，使CPU能将更多资源留给实际业务和AI负载。7月，英特尔内部全面部署Gemini Enterprise，利用Agent工作流加速芯片设计。两者关系从单纯采购转为共同设计。

在中国市场，英特尔的合作更为深入。今年9月中国区大会上，英特尔数据中心集团副总裁、中国区总经理陈葆立提出“以CPU为核心的智算中心”架构。他指出，数据中心架构必须随智能体AI而变，全新的智算中心应以CPU为核心，CPU与GPU、IPU、存储协同运作，而非单纯比拼某一环节参数。两天后的云栖大会上，这套理念有了落地案例。阿里云基于至强6推出的云实例已超117种，其中超50种面向Agent场景。展台上还展示了一颗代号GEM Mountain的定制芯片，由阿里云提出低功耗需求，英特尔在至强6平台上“裁剪”出的SKU。据现场工程师介绍，这是一款16核、TDP压至百瓦上下用于阿里云MOC智能网卡的芯片，“此前并无此产品”。给英伟达造主机CPU，给谷歌造IPU搭档，为中国云厂商做定制裁剪和软件共建。这些合作共同显示出英特尔在AI时代的新主线——英特尔未像其他算力硬件厂商那样追求大模型厂商的GW级排他大单，而是尽量让自己成为每个AI阵营都需要的存在。所有变化共同印证一个事实：2026年，英特尔不再只是一家卖芯片的厂商，而是想成为AI算力的共同设计者。

CPU如何回到AI时代中央？英特尔身上的变化，核心在于解决一个问题：从买GPU时的附带品，到智算中心围绕它设计，CPU到底是如何翻身的？答案藏在Agent的独特负载结构里。在AI大模型Chatbot时代，推理是无状态的“一问一答”：请求进入，GPU计算完毕，结果返回。Agent则完全不同，呈现为多个“计划—行动—观察”循环。简单任务可能需转二三十轮，复杂的AI Coding任务要循环数百轮。当然，大模型推理仍由GPU承担，但每一轮之间的编排、状态管理、工具执行、沙箱创建和数据搬运，需落在CPU上。若CPU未能及时备好数据、拉起沙箱、调度请求，GPU便会“饿着”，导致浪费时间，算力空转。算力硬件工作内容改变，使得Agent时代GPU与CPU配比也随之变化。英特尔数据中心集团产品规划部总经理李尔成曾介绍：从训练到推理，CPU与GPU比例从1:8升至1:4，并在Agent时代走向1:1，甚至部分场景中CPU配比会超过GPU。因此，时代变化后，CPU需求一下子被打开。

需要注意的是，英特尔的身位改变不能简单按需求变化理解，否则便成了某种“躺赢叙事”。真实情况是，英特尔针对AI负载，把CPU从里到外改了一遍。整个调整的主基调是：峰值性能不再是第一位，匹配AI需求才是。这些改动最关键的目标，是让CPU真正能承担起Agent系统里的控制平面角色——稳定地拆任务、调度加速器、管理状态、做隔离，而不是被自己的接口、延迟波动或I/O能力拖住后腿。在芯片设计最底层，英特尔在Chiplet增加了开放互连。下一代至强性能核（Diamond Rapids）用最多16个计算chiplet（把一颗大芯片拆成多个小芯片再拼起来的设计方式），配合中央Fabric Hub（芯片中央调度模块），通过Foveros Direct 3D（英特尔的3D封装技术）和UCIe（小芯片高速互联）连接。这代表着最贵的18A-P工艺只给计算核心，I/O和辅助功能用更成熟工艺承接。如此一来，总核数能推到256，同时给CXL（一种让CPU、内存、加速器更灵活共享的互联协议）和PCIe Gen6（高速接口标准）留出足够通道，让CPU真正当控制平面，而不是被I/O（输入输出接口）拖累。一句话说，就是好钢用在刀刃上，省下来的预算换成核数和带宽。

聚焦到架构更细节层面，英特尔也做了非常有趣的取舍。Diamond Rapids新增了APX高级性能扩展和增强AMX矩阵指令——前者提升通用代码效率，后者让延迟敏感、小批量的推理可以留在CPU上跑，减少与加速器之间的数据搬运。同时它彻底取消了超线程（SMT，一个物理核心同时跑两个线程）。简单来说，就是取消了过去靠超线程“一个核心干两份活”的做法，改用更稳定的单线程设计，再通过新指令让CPU自己也能处理一部分轻量推理，减少跟GPU之间的数据来回搬运。这个决定需对比看待。在传统服务器负载里，超线程一直是重要的利用率技术。友商AMD今年发布的EPYC Venice依然保留SMT，256核对应512线程，吞吐密度可观。那为什么英特尔不用了？从设计逻辑看，英特尔考虑的可能是另一面——Agent编排对延迟敏感，SMT的资源争抢会放大延迟波动，对p99（一种最差情况延迟的衡量方式）不友好；沙箱和多租户场景下，两个线程共享物理资源，也意味着更复杂的侧信道风险（可理解为计算信息互相影响）。取消SMT，代价是线程密度降低，但好处是更可预测的单线程性能和更干净的隔离。而且，英特尔也说过2028年的Coral Rapids（下一代服务器CPU）会把它加回来。所以，这种设计并不是简单的SMT优劣之争，而是一种路线选择。只是，相比吞吐能力，英特尔先选择了延迟的稳定性和干净的隔离。这种变化，与过去一年大模型行业的转向如出一辙。AI大模型预训练堆参数达到边际收益之后，所有人都在转向把推理“做对、做稳”。在这一层面上，模型和芯片之间达成了某种“微妙的共识”。

这些改变，在中国云厂商的机房里已经有了验证。在阿里这边，双方对Agent规模化部署做了一系列调整。面对Agent上下文迈向百万token，GPU显存装不下的问题，双方用至强内置的加速器（QAT和DSA）做分层存储与压缩，首token响应相比原生vLLM基线最高提升15倍。针对任务计算无差别占用资源问题，部分原本跑在GPU上的小模型挪到CPU上，支持短、长上下文的吞吐稳定端到端提升约2.5倍。针对任务安全性需求，机密计算TDX则把Agent的运行时关进硬件级隔离的“单间”，全程不泄露。这些优化，每一项都不是简单堆算力峰值，而是延迟、并发、成本与信任的调优。英特尔的转变，也是基于Agent应用改变了过往通用计算的需求。这也是英特尔所主张的，从“每秒token数”转向“SLA（服务等级协议对延迟、可用性和成功率的硬性要求）约束下每美元完成的任务数”，简单来说就是“便宜、合适”就好。当算力硬件衡量标准从峰值算力变成“每瓦特、每美元能完成多少编排工作”，务实就比参数上的激进更重要。

CPU厂商的新牌局。从某种角度上说，AI时代的竞争跟互联网APP有很多相似之处。开始都是比“能力”，当能力跨过好用的节点之后，就开始比拼“谁能作为默认项”，一直留在用户手上。回到2026年的CPU竞争。行业比拼开始不再关注核心数和频率，而是“谁的架构成为AI系统的默认编排层”。编排层指的是在Agent系统里负责把任务拆开、决定哪些步骤交给GPU或加速器、哪些自己处理、按什么顺序执行、失败了怎么重试，以及如何做数据准备和状态管理的那一层控制逻辑。简单来说，就是谁能把这一层做得更稳、更可预测、更便宜，谁的架构就更容易成为AI系统的默认编排层，也就是被行业普遍采用。这一层面竞争，目前行业大概有三种打法。AMD是进攻全栈。公司推出的EPYC Venice用了台积电2nm制程，核心堆到256核，配套Helios整机柜。商业策略层面，AMD用OpenAI的6GW订单和Meta的定制协议做了股权绑定，试图从卖单一芯片转向卖整个机架。Arm这边则是从之前做授权，到亲自下场。今年3月发布自有品牌数据中心芯片AGI CPU，同时Arm授权架构的AWS Graviton5、Google Axion、微软Cobalt 200这些云厂商自研的CPU在2026年也进入更大规模落地阶段。英特尔的选择是第三种——用x86的存量生态和18A的制造能力做防守，再用定制硅和NVLink合作做结盟，把自己变成横跨不同阵营中立层。这个中立层的位置，在算力市场尤为重要。

以中国AI算力市场为例，这是一个既开放又严苛的市场。开放在于，中国云厂商没有像海外同行那样大规模自研通用CPU，这意味着中国云厂商更愿意把合作加深。例如根据雷锋网6月报道，腾讯云是英特尔至强6+（Sierra Forest系列）AP平台的全球独占合作伙伴，阿里提需求让英特尔做一颗“以前没有”的芯片。这种共同定义产品规格的合作，在海外市场反而少见。严格在于，金融、政务这类敏感行业对自主可控的要求持续抬高门槛。这决定了英特尔在中国的主战场，事实上收窄到了云厂商和互联网基础设施，虽然这是当下需求爆发最猛的领域。同时，英特尔也需要用TDX机密计算回应安全可控需求。例如火山引擎的AICC平台、与阿里云的Confidential Agent，都建立在它之上。需要强调的是，这些改变并不是针对中国特供的策略。全球市场这边，给云厂商做定制裁剪、把网络存储卸载到IPU、用内置加速器承接沙箱和压缩，谷歌、英伟达也都提出过这些需求。只是中国市场的特殊性，让这套逻辑运行得更极致。对英特尔，这是守住中国市场的路径。但视角放大到整个云厂商和AI上下游生态，这是英特尔在供给短缺年代锁定确定性算力、并把每一分投入换算成更多“完成的任务数”的可靠路径。

当下，CPU的竞争格局还远未清晰。AMD的机架级进攻还在加码，Arm的能效优势是结构性威胁，中国x86厂商也在向云厂商的推理集群渗透。而且，CPU的爆发需求其实才刚刚开始。真正起量，要等到IDC预测中那3.5亿个中国企业智能体，真的开始上班。但对英特尔而言，2026年的转变至少是清醒的：不再纠结CPU和GPU到底哪个更适合AI，承认打不赢的战争，并在赢得起的确定性上放大优势。在AI Agent时代，英特尔不再需要证明自己能造出最快的CPU，而是让自家CPU成为每个AI计算系统都需要的“指挥官”。